Was KI in radiologischen Befunden erklären kann – und was nicht

Künstliche Intelligenz kann eine komplexe Ansammlung medizinischer Fachbegriffe in eine verständlichere Sprache umwandeln. Für Patienten, die einen CT-, MRT-, Ultraschall- oder Röntgenbefund lesen, kann diese Fähigkeit den Aufwand reduzieren, Abschnitte zu identifizieren, unbekannte Begriffe nachzuschlagen und Fragen vorzubereiten.

Doch eine flüssige Erklärung kann auch falsches Vertrauen erwecken. Ein System mag klaren, autoritativ klingenden Text produzieren, selbst wenn ihm essenzielle klinische Kontexte fehlen oder es die Quellen falsch versteht. Der sicherste Weg, KI für Patienten einzusetzen, besteht darin, ihre Rolle eng zu definieren: Sie soll helfen, Informationen zu navigieren, während die Autorität des Radiologen und behandelnden Arztes gewahrt bleibt.

Was KI erklären kann

Berichtsstruktur

KI kann gängige Abschnitte wie klinische Fragestellung, Technik, Vergleich, Befunde und Zusammenfassung identifizieren. Sie kann erklären, warum jeder Abschnitt existiert und auf Empfehlungen oder Vergleichsformulierungen hinweisen.

Dies ist eine Navigationshilfe. Sie unterstützt Patienten beim Verständnis der Dokumentenstruktur, ohne die Bedeutung der Befunde für den Einzelnen zu bewerten.

Medizinische Terminologie

KI kann allgemeine Definitionen für radiologische Fachbegriffe liefern. Beispielsweise kann sie erklären, dass ein Artefakt eine durch den Bildgebungsprozess verursachte Erscheinung ist und nicht der Anatomie entspricht, oder dass inzidentell etwas beschreibt, das unerwartet entdeckt wurde und nicht unbedingt mit dem Untersuchungsgrund zusammenhängt.

Eine verantwortungsvolle Definition sollte wichtige Einschränkungen beibehalten. Sie sollte nicht stillschweigend „könnte darstellen“ in „ist“ oder „kann nicht ausschließen“ in eine bestätigte Diagnose umwandeln.

Vereinfachte Formulierungen

KI kann Sätze in einfacherer Sprache wiedergeben, während der Originalbefund sichtbar bleibt. Dies erleichtert es, die Quelle einer Erklärung zu finden und die vereinfachte Formulierung mit dem Radiologentext zu vergleichen.

Gute Umschreibungen bewahren:

• Verneinungen wie „kein Hinweis auf“;
• Unsicherheiten wie „möglicherweise“ oder „nicht eindeutig“;
• Vergleiche wie „stabil gegenüber der Voruntersuchung“;
• Messwerte und Einheiten;
• Lateralität wie links versus rechts;
• Empfehlungen und Zeitrahmen.

Fragen für den Arzttermin

KI kann helfen, Verwirrung in Fragen umzuwandeln. Beispiele sind: Ob ein Befund neu ist, wie er mit Symptomen zusammenhängt, warum eine Nachkontrolle empfohlen wurde oder welcher Facharzt das Ergebnis besprechen sollte.

Dieser Ansatz kann die Patient-Arzt-Kommunikation stärken, da er Fragen strukturiert statt sie abschließend zu beantworten.

Was KI nicht sicher allein bestimmen kann

Eine patientenspezifische Diagnose

Ein radiologischer Befund ist nur ein Teil einer klinischen Beurteilung. Die Diagnose kann von Anamnese, körperlicher Untersuchung, Laborwerten, Pathologie, Medikation, Voraufnahmen, Familienanamnese und Facharzturteil abhängen. Ein generisches KI-System hat diese Informationen meist nicht, und mehr Daten machen es nicht automatisch klinisch qualifiziert.

Eine KI-Erklärung sollte daher Aussagen wie „Sie haben“, „dies beweist“ oder „dies schließt aus“ vermeiden – es sei denn, sie zitiert den Befund wortgetreu. Und selbst dann sollte sie zwischen radiologischer Schlussfolgerung und eigener Ausgabe unterscheiden.

Ob ein Befund gefährlich ist

Risiko lässt sich nicht verlässlich aus einem Begriff ableiten. Größe, Lage, Erscheinungsbild, Veränderung über Zeit, Symptome, Alter und andere Faktoren können die klinische Bedeutung verändern. Eine beruhigend klingende Erklärung kann notwendige Versorgung verzögern; eine alarmierende kann unnötige Besorgnis auslösen.

Therapie- oder Nachsorgeentscheidungen

KI sollte Patienten nicht eigenständig raten, eine Behandlung zu beginnen, abzubrechen oder zu ändern. Sie sollte auch keine radiologische oder klinische Nachsorgeempfehlung durch ein anderes Intervall oder Verfahren ersetzen. Enthält der Befund eine Empfehlung, kann das Tool sie hervorheben und den Patienten ermutigen, sie mit dem verantwortlichen Arzt zu besprechen.

Die Bedeutung der Bilder selbst

Befundtexte zu erklären und Originalbilder zu interpretieren sind unterschiedliche Aufgaben. Bildinterpretation erfordert validierte Systeme, angemessene Bildqualität, relevante Aufnahmen oder Sequenzen und klinische Expertise. Eine Texterklärung darf nicht suggerieren, dass die Bilder unabhängig begutachtet wurden, wenn nur der Bericht verarbeitet wurde.

Dringlichkeit bei unvollständigen Informationen

Manche Befundformulierungen können auf zeitnahe Kommunikation oder Nachkontrolle hinweisen, aber Dringlichkeit hängt auch von Symptomen und klinischem Kontext ab. Patiententools sollten klare Eskalationswege für Notfälle bieten, ohne jede Situation triagieren zu wollen.

Flüssigkeit ist kein Korrektheitsbeweis

Die Weltgesundheitsorganisation warnt, dass große Sprachmodelle autoritativ und plausibel wirkende Antworten mit schweren Fehlern produzieren können. Die WHO empfiehlt Transparenz, Expertenaufsicht, rigorose Evaluation, Schutz der Autonomie und Verantwortlichkeit für KI in der Gesundheit (WHO fordert sichere und ethische KI für die Gesundheit).

Dieses Problem ist in der Radiologie besonders relevant, da kleine Formulierungsänderungen die Bedeutung umkehren können. Das Fehlen von „kein“, die Vertauschung von links und rechts, wegfallende Maßeinheiten oder überbetonte unsichere Befunde können die Aussage wesentlich verändern.

Nutzer sollten den Originalbefund neben der Erklärung sehen und nachvollziehen können, welcher Quelltext jede Zusammenfassung stützt. Wenn ein Tool unsicher ist, sollte es dies kommunizieren statt Lücken mit vermeintlicher Sicherheit zu füllen.

Transparenz muss zur Zielgruppe passen

Die FDA, Health Canada und die britische MHRA beschreiben Transparenz als die Kommunikation relevanter Informationen über Zweck, Entwicklung, Leistung und Logik an die jeweilige Zielgruppe. Ihre gemeinsamen Prinzipien betonen das Mensch-KI-Team, klare Kerninformationen, Nutzerkontext und menschenzentriertes Design (Transparenz für KI-basierte Medizinprodukte).

Für ein patientenorientiertes Erklärungstool umfasst sinnvolle Transparenz:

• Ob das System Befundtexte, Bilder oder beides liest;
• Wozu das Tool gedacht ist;
• Wozu es nicht gedacht ist;
• Ob es ein reguliertes Medizinprodukt für einen bestimmten Zweck ist;
• Bekannte Grenzen und häufige Fehlermuster;
• Wie mit persönlichen Gesundheitsdaten umgegangen wird;
• Wann ein Arzt das Ergebnis überprüfen sollte;
• Wie Nutzer Fehler melden oder Support anfordern können.

Ein langes Nutzungsbedingungen-Dokument reicht nicht. Kritische Einschränkungen sollten im entscheidenden Moment sichtbar sein.

Eine praktische Grenze: Aufklärung vor Interpretation

Ein sichereres Patientenerlebnis kann folgender Abfolge folgen:

1. Orientieren: Berichtsabschnitte und Untersuchungstyp identifizieren.
2. Definieren: Fachbegriffe allgemeinverständlich erklären.
3. Umschreiben: Sätze vereinfachen ohne Unsicherheiten zu entfernen.
4. Nachvollziehen: Jede Erklärung mit dem Originaltext verknüpfen.
5. Fragen: Dem Patienten helfen, Fragen für den Arzt vorzubereiten.
6. Eskalieren: Klar Situationen benennen, die klinische oder dringende Aufmerksamkeit erfordern.

Das System sollte stoppen, bevor es eigenständig diagnostiziert, individuelle Prognosen stellt oder Therapien empfiehlt.

Wie Patienten KI-Erklärungen sicherer nutzen können

• Entfernen Sie unnötige Identifikationsdaten vor Nutzung eines Dienstes, sofern dessen Datenschutz und Zweck nicht klar sind.
• Bestätigen Sie, dass der korrekte Befund und Untersuchungsdatum verwendet wurden.
• Vergleichen Sie die Erklärung mit dem Originalbefund.
• Prüfen Sie, ob Unsicherheiten, Verneinungen, Messwerte und Seitenangaben erhalten blieben.
• Nutzen Sie keine KI-Antwort, um Nachsorge abzusagen oder Therapien zu ändern.
• Bringen Sie ungeklärte Fragen zum überweisenden Arzt oder Radiologen.
• Suchen Sie bei ernsten Symptomen sofort Hilfe, nicht nach beruhigenden KI-Erklärungen.

Das richtige Erfolgsmaß

Ziel patientenorientierter Bildgebungs-KI sollte nicht die definitivste klingende Antwort sein, sondern besseres Verständnis ohne unsichere Selbstinterpretation.

Nützliche Maßstäbe wären: Können Patienten den Untersuchungszweck erkennen, unsichere Aussagen identifizieren, Nachsorgeempfehlungen verstehen und bessere Fragen formulieren? Genauigkeit und Sicherheit sollten über verschiedene Bevölkerungsgruppen, Leseniveaus, Befundtypen und klinische Kontexte evaluiert werden.

KI kann einen radiologischen Befund zugänglicher machen. Sie kann ihn nicht zu einer vollständigen klinischen Beurteilung machen – und sollte diese Grenze niemals verwischen.

Referenzen

• Weltgesundheitsorganisation. Ethik und Governance von KI für die Gesundheit.
• Weltgesundheitsorganisation. WHO fordert sichere und ethische KI für die Gesundheit.
• U.S. Food and Drug Administration. Transparenz für KI-basierte Medizinprodukte: Leitprinzipien.
• RadiologyInfo.org. Wie Sie Ihren radiologischen Befund lesen.

---